3 makkelijk te begrijpen Machine Learning algoritmes

, ,
Machine Learning algorithms

Big data is op dit moment erg belangrijk in de tech wereld. Dit maakt machine learning erg zeer interessant omdat machine learning enorm krachtig is in het maken van voorspellingen en berekende suggesties. Voorbeelden hiervan is Netflix, die algoritmes heeft  die een suggestie doet wat je volgende film word op basis van de films die je al gekeken hebt. Een ander voorbeeld is dat Bol.com een suggestie doet voor je volgende aankoop op basis van de aankopen die je al gemaakt hebt.

Binnen machine learning zijn er 3 soorten algoritmes. Namelijk supervised learning, unsupervised learning en reinforcement learning. Supervised learning is handig in situaties waar de dataset die je gebruikt een label heeft. Unsupervised learning is handig in situaties waar je eerst moet ontdekken wat de relaties zijn in een niet gelabelde dataset. Reinforcement learning is een middelmaat van de andere twee voorbeelden. Ik ga het in dit artikel hebben over supervised learning.

Supervised learning:

Decision Trees:

Een dicision tree is eigenlijk een soort boomachtig model waar verschillende keuzes en mogelijke consequenties uitgetekend worden. Hier een plaatje om er een beeld bij te krijgen.

Er wordt eigenlijk dus een minimum aantal vragen gesteld om zo dicht mogelijk bij een correct antwoord te komen. Deze methode zorg ervoor dat je een probleem structureel en systematisch aan kan pakken om tot een logische conclusie te komen.

Naïve Bayes Classification:

Naïve bayes classification is een soort algoritme waarbij de bayes’ law word toegepast. The Bayes’ law indiceert de waarschijnlijkheid van een gebeurtenis. Hier meer over Bayes’ law: https://en.wikipedia.org/wiki/Bayes%27_theorem

Figuur 2: formule voor de bayes’ law

 

Als je de Naïve bayes classification gebruikt ga je doormiddel van de Bayes’ law oordelen of iets waarschijnlijk is en kom je zo tot een veronderstelling wat het meest voor de hand liggend is.

Ordinary Least Squares Regression:

Als je iets van statistieken weet, dan heb je hoogstwaarschijnlijk weleens gehoord van lineaire regressie. Least squares is hetzelfde als lineaire regressie. Lineaire regressie is een methode hoe je een regressie-analyse toepast.  Lineaire regressie kan je zien als een rechte lijn door een aantal punten heen zetten.

Figuur 3: lineaire regressie visualisatie

 

Door de lijn door te trekken kom je op een redelijk correcte voorspelling van wat er gaat gebeuren.

Bibliografie:

Le, J. (2016, Augustus). The 10 Algorithms Machine Learning Engineers Need to Know. Retrieved from KDnuggets: http://www.kdnuggets.com/2016/08/10-algorithms-machine-learning-engineers.html
Wikipedia. (2017, Mei 29). Retrieved from Bayes’ theorem: https://en.wikipedia.org/wiki/Bayes%27_theorem